Site icon

समग्र एआई एकीकरण के साथ व्यवसाय में बदलाव

इसमें कोई संदेह नहीं है कि कृत्रिम बुद्धिमत्ता का लोकतंत्रीकरण अच्छी तरह से चल रहा है, जो काम की प्रकृति और व्यवसायों के संचालन के तरीके को मौलिक रूप से बदल रहा है। हमारे प्रति इसका अपनापन भी बढ़ रहा है ग्लोबल एआई एडॉप्शन इंडेक्स 2022 के सर्वेक्षण में पाया गया कि 57 प्रतिशत भारतीय कंपनियां अपने व्यवसाय में एआई का उपयोग कर रही हैं, जबकि अतिरिक्त 27 प्रतिशत प्रौद्योगिकी की खोज कर रही हैं। यह लोकतंत्रीकरण फाउंडेशन मॉडल की शक्ति का उपयोग करके एआई को स्केल करने और संचालित करने की महत्वपूर्ण चुनौतियों को हल करने में प्रगति के कारण है। व्यवसायों पर सकारात्मक प्रभाव डालने की एआई की प्रवृत्ति को देखते हुए, व्यापारिक नेताओं पर अभी कार्य करने या प्रतिस्पर्धियों से पीछे रहने का जोखिम उठाने का भारी दबाव है। व्यापार युग के लिए आज के एआई में, व्यापार नेताओं को केवल पहले से मौजूद प्रक्रियाओं (अल्पकालिक वृद्धिशील लाभ प्रदान करने) में एआई को जोड़ने से दूर एक समग्र दृष्टिकोण की ओर जाना चाहिए जहां प्रक्रियाएं एआई के साथ डिजाइन की जाती हैं – यानी, प्लस-एआई मॉडल से दूर जाएं और एआई-प्लस दृष्टिकोण अपनाएं।

+AI से AI+ तक का सफर

इस नए एआई युग में सफलता की कुंजी हर आवश्यक गतिविधि और क्षमता में प्रौद्योगिकी को एकीकृत करने में निहित है जो संगठन और उनके द्वारा सेवा किए जाने वाले ग्राहकों के लिए मौलिक है। चाहे मशीन लर्निंग (एमएल) पर आधारित हो या फाउंडेशन मॉडल पर, एआई मॉडल उन प्राथमिकताओं के लिए जितने अधिक अनुकूलित होंगे, उतना ही बेहतर वे ग्राहकों की सेवा करने और वास्तविक व्यावसायिक मूल्य प्रदान करने में सक्षम होंगे। इसके अलावा, एआई केवल उतना ही अच्छा है जितना डेटा जो इसे ईंधन देता है, और शुरुआत से ही सही डेटा सेट की पहचान करना महत्वपूर्ण है। अंत में, यह सब इस तथ्य पर आधारित होना चाहिए कि एआई को समझाने योग्य होना चाहिए और विश्वास पैदा करने के लिए उपभोक्ताओं की गोपनीयता और डेटा अधिकारों की रक्षा करनी चाहिए। जैसा कि व्यापारिक नेता एआई के प्रभाव को बढ़ाने और तेज करने के बारे में सोचते हैं, उन्हें पूरी तरह से पुनर्कल्पित एआई और डेटा प्लेटफ़ॉर्म की आवश्यकता होती है। मोटे तौर पर, इस प्लेटफ़ॉर्म को एक मजबूत एआई रणनीति के चार महत्वपूर्ण तत्वों से निपटने के लिए डिज़ाइन करने की आवश्यकता है:

1) एंटरप्राइज़ एआई के लिए अगली पीढ़ी के स्टूडियो के साथ डेवलपर्स को सशक्त बनाएं

व्यवसायों को अपने एआई डेवलपर्स को फाउंडेशन मॉडल द्वारा संचालित एमएल और नई जेनरेटिव एआई क्षमताओं को प्रशिक्षित करने, मान्य करने, ट्यून करने और तैनात करने के लिए उपकरणों से लैस करने की आवश्यकता है। इन मॉडलों को मल्टीक्लाउड आर्किटेक्चर पर काम करने और उद्यम की जरूरतों को पूरा करने के लिए डेटा अधिग्रहण, उद्गम और गुणवत्ता पर कठोर ध्यान देने के लिए डिज़ाइन किया जाना चाहिए।

2) एक खुला, हाइब्रिड और शासित डेटा स्टोर बनाएं

उन्नत एआई मॉडल को बढ़ावा देने के लिए, संगठनों को अपने उद्यम में उत्पन्न होने वाले डेटा के विस्फोट का उपयोग करना चाहिए। उन्हें डेटा तक पहुंचने और साझा करने के लिए क्वेरी, गवर्नेंस और खुले डेटा प्रारूपों द्वारा समर्थित एआई वर्कलोड के लिए अनुकूलित एक उपयुक्त डेटा स्टोर की आवश्यकता है।

3) एआई गवर्नेंस के लिए एक शक्तिशाली टूलकिट का उपयोग करें

इस सारी प्रगति का कोई मतलब नहीं है जब तक कि लोग एआई द्वारा उत्पन्न परिणामों और अंतर्दृष्टि पर भरोसा न करें। इसलिए, पूरे एआई जीवनचक्र में एआई और डेटा गवर्नेंस क्षमताएं प्रदान करके जिम्मेदार, पारदर्शी और समझाने योग्य एआई वर्कफ़्लो बनाना महत्वपूर्ण है।

4) एआई के लिए उपयुक्त बुनियादी ढांचा

इन्फ्रास्ट्रक्चर किसी भी एआई रणनीति का एक अनिवार्य विचार है। एक हाइब्रिड क्लाउड आर्किटेक्चर हर व्यवसाय में एआई को गहराई तक विस्तारित करने के लिए एक चुस्त और सुरक्षित आधार प्रदान करता है। एआई वर्कलोड के लिए अनुकूलित हाइब्रिड क्लाउड प्लेटफ़ॉर्म का उपयोग करना, एआई मॉडल को वहां ले जाना संभव बनाता है जहां डेटा रहता है, न कि अन्य तरीकों से। कई एआई उपयोग के मामले जो आज हमें प्रभावित करते हैं, जल्द ही आने वाले और अधिक विघटनकारी प्रगति से आगे निकल जाएंगे। जिन समाधानों की हम अभी कल्पना करना शुरू कर रहे हैं वे निश्चित रूप से आम हो जाएंगे, और एआई द्वारा संचालित नए उपकरण और प्रक्रियाएं पूरी तरह से नए प्रकार के काम को जन्म देंगी। हालाँकि, अपनी क्षमता को पूरी तरह से महसूस करने और उस भविष्य के लिए तैयार होने के लिए, एआई को तीन सिद्धांतों को शामिल करते हुए विश्वास की नींव पर बनाया जाना चाहिए – मानव बुद्धि को बढ़ाने के लिए एआई का उपयोग करने के उद्देश्य के प्रति सच्चा होना, यह सुनिश्चित करना कि डेटा और अंतर्दृष्टि हमेशा उनके निर्माता की हों, और किसी भी तकनीक से आउटपुट हमेशा पारदर्शी और व्याख्या करने योग्य होना चाहिए।लेखक आईबीएम इंडिया और दक्षिण एशिया के प्रबंध निदेशक हैं।
Exit mobile version